OpenAI 图片生成模型全家桶#

截至 2026 年 4 月，OpenAI 一共有两代图片生成模型：

GPT-Image 系列是 DALL-E 的继任者。最大的改进是文字渲染——以前 DALL-E 生成的图片里文字基本是乱码，现在 gpt-image-2 已经能准确渲染多语言文字了。

gpt-image-2 定价#

gpt-image-2 采用 token 制计费，不再是按张收费：

换算成单张图片的估算成本：

Low 质量每张不到一分钱，批量生成非常划算。High 质量大约两毛一张，比 DALL-E 3 HD 的 $0.08 贵了不少，但质量也是另一个级别。

第一次尝试：直连 OpenAI#

写了个 Python 脚本，用 OpenAI SDK 直接调 gpt-image-2，让它生成一张关于自己的 infographic：

1
from openai import OpenAI
2

3
client = OpenAI()
4

5
response = client.images.generate(
6
    model="gpt-image-2",
7
    prompt="Create a clean, modern infographic titled 'GPT-Image-2'...",
8
    n=1,
9
    size="1024x1024",
10
    quality="medium",
11
)

结果直接 403：

1
openai.PermissionDeniedError: Error code: 403
2
Your organization must be verified to use the model `gpt-image-2`.
3
Please go to: https://platform.openai.com/settings/organization/general

组织认证。行吧。

降级到 gpt-image-1#

既然 gpt-image-2 不让用，先拿 gpt-image-1 跑一下看看效果。把 model 参数改成 gpt-image-1，其他不变。

这次成功了。28 秒出图，用 medium 质量生成了一张 1024x1024 的 infographic。

API 返回了详细的 token 用量：

1
{
2
  "input_tokens": 140,
3
  "input_tokens_details": { "text_tokens": 140, "image_tokens": 0 },
4
  "output_tokens": 1056,
5
  "output_tokens_details": { "text_tokens": 0, "image_tokens": 1056 },
6
  "total_tokens": 1196
7
}

成本计算：140 个 text input token × $5/M + 1056 个 image output token ×$30/M = $0.032。三分钱一张图。

不过图片质量一般——文字渲染有明显错误，比如把 “quality tiers” 写成了 “duality tiers”，价格数字也对不上。这正是 gpt-image-2 要解决的问题。

寻找第三方代理#

既然 OpenAI 直连要认证，那就找第三方。搜了一圈，几个能用 gpt-image-2 的渠道：

决定用 OpenRouter——API 格式兼容 OpenAI，改个 base_url 就行。

OpenRouter 踩坑记#

1
client = OpenAI(
2
    base_url="https://openrouter.ai/api/v1",
3
    api_key=os.environ["OPENROUTER_API_KEY"],
4
)
5

6
response = client.images.generate(
7
    model="openai/gpt-image-2",
8
    ...
9
)

1
models = client.models.list()
2
for m in models.data:
3
    if 'image' in m.id.lower():
4
        print(m.id)

1
openai/gpt-5.4-image-2
2
google/gemini-3.1-flash-image-preview
3
google/gemini-3-pro-image-preview
4
openai/gpt-5-image-mini
5
openai/gpt-5-image
6
google/gemini-2.5-flash-image

1
if len(raw_str) > 3000:
2
    log.info(raw_str[:3000] + "\n... [truncated]")

正确的做法：先存中间产物#

这个教训很简单但很重要——调 API 时，永远先把原始响应存下来，再做解析。解析可以失败、可以重跑，但原始数据丢了就得重新花钱调一次。

重写后的脚本核心逻辑：

1
def main() -> None:
2
    raw_path = OUT_DIR / "openrouter_response.json"
3

4
    # 如果已有缓存，直接从缓存提取
5
    if raw_path.exists() and "--force" not in sys.argv:
6
        log.info("Found existing response, extracting images...")
7
        data = json.loads(raw_path.read_text())
8
        extract_images(data, "gpt_image_2_openrouter")
9
        log_cost(data)
10
        return
11

12
    # 调 API
13
    resp = httpx.post(url, headers=headers, json=payload, timeout=300)
14

15
    # 先存原始响应，再做任何解析
16
    data = resp.json()
17
    save_raw_response(data, raw_path)
18

19
    # 然后才提取图片
20
    resp.raise_for_status()
21
    extract_images(data, "gpt_image_2_openrouter")
22
    log_cost(data)

图片提取兼容两种格式：

1
def extract_images(data: dict, prefix: str) -> list[Path]:
2
    msg = data["choices"][0]["message"]
3

4
    for i, img in enumerate(msg.get("images", [])):
5
        url = img.get("image_url", {}).get("url", "")
6
        _save_b64_url(url, OUT_DIR / f"{prefix}_{i}.png")
7

8
    # OpenAI 格式：message.content[] with type=image_url
9
    content = msg.get("content")
10
    if isinstance(content, list):
11
        for i, part in enumerate(content):
12
            if part.get("type") == "image_url":
13
                url = part["image_url"]["url"]
14
                _save_b64_url(url, OUT_DIR / f"{prefix}_{i}.png")

再跑一次，这次完美：

1
Raw response saved to openrouter_response.json (1577013 bytes)
2
Saved image: gpt_image_2_openrouter_0.png (1181802 bytes)
3
--- Usage ---
4
  Input tokens:  2012
5
  Output tokens: 7319 (image: 7024)
6
--- Cost ---
7
  Input cost:  $0.016
8
  Output cost: $0.215
9
  TOTAL COST:  $0.231

最终效果对比#

上面是 OpenRouter 通过 gpt-5.4-image-2 生成的 infographic。文字渲染清晰，信息准确，深色背景 + 霓虹配色，完成度很高。

两次生成的对比：

OpenRouter 的 gpt-5.4-image-2 贵了 7 倍，慢了 7 倍，但质量确实好很多。贵的原因是它走的 GPT-5.4 多模态推理——2012 个 input token 说明模型先”思考”了怎么画，而不是像纯图片模型那样直接生成。

经验总结#

几个值得记住的点：

1. gpt-image-2 需要组织认证。去 platform.openai.com → Settings → Organization → General 做认证，据说几分钟就能通过。认证后直连是最便宜的。

2. OpenRouter 可以绕过认证，但模型名不是 openai/gpt-image-2，而是 openai/gpt-5.4-image-2。而且走的是 chat completions 接口，不是 images 接口。

3. 调 API 先存原始响应。base64 图片数据动辄 1-2MB，解析逻辑出错就全丢了。先 json.dumps 存文件，再慢慢提取。加个缓存判断，重跑脚本时直接从本地 JSON 提取，零成本。

4. 不同提供商的响应格式不同。OpenAI 直连用 response.data[0].b64_json，OpenRouter 用 message.images[]。写代码时要兼容多种格式，或者至少有 fallback。

5. Low 质量够用就用 Low。gpt-image-2 的 Low 质量每张只要 $0.006，适合原型验证和批量生成。正式出图再用 Medium 或 High。